Parte 2 – Limpieza básica con Power Query Editor

🧹 Parte 2 – Limpieza básica con Power Query Editor

En esta sesión vamos a realizar las primeras transformaciones en Power BI utilizando el Power Query Editor. Este editor nos permite limpiar, transformar y preparar los datos para análisis.

🔄 Pasos prácticos:

  1. Abre Power BI y carga el archivo sales2017_raw.csv desde Obtener datos > Texto/CSV. Haz clic en Transformar datos para acceder a Power Query Editor.
  2. Eliminar filas superiores vacías o con metadatos:
    - En la pestaña Inicio (Home), haz clic en Quitar filas > Quitar filas superiores.
    - Ingresa el número de filas a eliminar (por ejemplo: 2) y haz clic en Aceptar.
  3. Usar la primera fila como encabezado:
    - En la pestaña Transformar, selecciona la opción Usar la primera fila como encabezado.
    - Verás que ahora las columnas se renombran con los títulos correctos.
  4. Verifica los pasos aplicados:
    - En el panel derecho, dentro de Pasos aplicados, se verán operaciones como Remove Top Rows y Promoted Headers.
    - Puedes hacer clic en el icono de engranaje ⚙️ para editar cualquier paso si te equivocas.
  5. Aplicar cambios:
    - Para guardar y cargar los datos transformados, haz clic en Cerrar y aplicar (Close & Apply).

💡 Consejos útiles:

  • Power Query no tiene Ctrl+Z. Si cometes un error, puedes eliminar el paso haciendo clic en la "X" o editarlo con el engranaje.
  • Haz cambios paso a paso. Cada transformación queda registrada para revisión futura.
  • Guarda el proyecto como basic_cleaning.pbix para futuras clases.

📂 Nombre sugerido del archivo guardado: basic_cleaning.pbix

Comentarios

Publicar un comentario

Entradas más populares de este blog

Taller: Storytelling con el Mercado de Analistas de Datos Taller en Google Colab: Storytelling con el Mercado de Analistas de Datos Objetivo: Analizar el dataset de Kaggle sobre ofertas laborales para analistas de datos y construir una historia visual con hallazgos clave. 🔗 Paso 1: Accede a Google Colab Conoce a Alex, un joven apasionado por los datos. Ha decidido convertirse en analista de datos y quiere explorar el mercado laboral para entender dónde postularse y qué habilidades necesita. 1. Ingresa a https://colab.research.google.com . 2. Crea un nuevo notebook. 3. Cambia el nombre a: Storytelling_AnalystJobs . 📥 Paso 2: Cargar el dataset Alex encontró un interesante dataset de Kaggle con miles de ofertas laborales para analistas de datos. Ahora quiere cargarlo en su notebook para comenzar su análisis. 1. Descarga el archivo CSV desde Kaggle . 2. Sube el archivo a tu notebook usando: from google.colab ...
Leer más

Taller - Dashboard en Python

Taller - Dashboard en Python (Google Colab) 📈 Taller: Creación de Dashboard Interactivo en Python con Datos de Recursos Humanos 🌟 Objetivo: Aprenderás a construir un dashboard de análisis de Recursos Humanos usando Google Colab y librerías de visualización interactivas como Plotly . Al finalizar, generarás un archivo HTML con todas tus gráficas. 🔹 Instrucciones paso a paso: Sube el archivo RRHH.xlsx a tu entorno de Google Colab. Ejecuta el siguiente bloque para instalar las librerías necesarias: !pip install pandas plotly openpyxl seaborn matplotlib Carga el archivo Excel: import pandas as pd df = pd.read_excel("RRHH.xlsx") df.head() Limpieza de datos y corrección de tipos: Convertir fechas: df["Fecha_Contratacion"] = pd.to_datetime(df["Fecha_Contratacion"], errors='coerce') Reemplazar valores nulos o erróneos: # Reemp...
Leer más